1 / 23

Prepoznavanje slova: Ekstrakcija značajki i klasifikacija

Prepoznavanje slova: Ekstrakcija značajki i klasifikacija. Ivan Koharović Tomislav Jerković Lovre Bošnjak Nikša Maslović. Cilj:. Segmentirati znakove iz slike registarske tablice Izvući značajke koje jednoznačno opisuju pojedini znak Korištenjem značajki provesti proces klasifikacije

jovita
Download Presentation

Prepoznavanje slova: Ekstrakcija značajki i klasifikacija

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Prepoznavanje slova:Ekstrakcija značajki i klasifikacija Ivan Koharović Tomislav Jerković Lovre Bošnjak Nikša Maslović

  2. Cilj: • Segmentirati znakove iz slike registarske tablice • Izvući značajke koje jednoznačno opisuju pojedini znak • Korištenjem značajki provesti proces klasifikacije • Donijeti odluku o registarskoj oznaci

  3. Proces obrade

  4. Koraci • Predobrada • Segmentacija • Ekstrakcija značajki • Klasifikacija

  5. Predobrada • Normalizacija svjetline i kontrasta • Normalizacija histograma • Globalni prag • Adaptivni prag • Chow i Kaneko pristup • Lokalni prag

  6. Predobrada • Normalizacija histograma Koristimo Lagrange-ov polinom kao transformacijsku funkciju da normaliziramo svjetlinu i kontrast znakova.

  7. Globalni prag: • Osjetljivost na sjene i šumove:

  8. Adaptivni prag Registracijska oznaka je podjeljena na nekoliko područja, svaka s vlastitim histogramom i odgovarajućim pragom. Vrijednost praga određene točke (obilježene sa o) računa se interpolacijom područja.

  9. Segmentacija • Pomoću horizontalne projekcije

  10. Segmentacija

  11. Ekstrakcija značajki: • Postotak zacrnjenosti • Asimetrija (skewness) • Kurtosis • Autokorelacija

  12. Ekstrakcija značajki: • Informaciju o slovu prilagodimo u pogodan oblik za ekstrakciju značajki: Vertikalna projekcija Horizontalna projekcija

  13. Postotak zacrnjenosti

  14. Skewness • Mjera asimetrije Pozitivna asimetrija Negativna asimetrija

  15. Kurtosis • Kurtosis je parametar koji opisuje oblik funkcije gustoće vjerojatnosti slučajne varijable. Za slučajnu varijablu X definiran je kao: • Računamo ga na vertikalnoj i horizontalnoj projekcijiznaka

  16. Klasifikacija

  17. Klasifikacija • Klasifikacija na osnovi minimalne udaljenosti Stablo odluke

  18. Klasifikacija

  19. Klasifikacija

  20. “Učenje”

  21. Rezultat:

  22. Zaključak: • Prepreke koje smetaju raspoznavanju tablica: različiti fontovi znakova pojedinih država, nečistoća (prljavština), odbljesak svjetla, sjena, oštećena registarskaoznaka • predobrada slike vrlo je bitan korak za pravilno raspoznavanje znakova registarske tablice • globalni postupci ne mogu riješiti problem velike varijacije lokalnog kontrasta u slici

  23. Kraj

More Related